Методологічні засади використання нейронних мереж для прогнозування фондового ринку
dc.contributor.author | Овсяннікова, Наталія | |
dc.contributor.author | Желага, Олександр | |
dc.date.accessioned | 2020-06-12T08:10:33Z | |
dc.date.available | 2020-06-12T08:10:33Z | |
dc.date.issued | 2019 | |
dc.description.abstract | У статті розглянуто інструменти побудови прогнозних моделей для передбачення розвитку фондових ринків. В якості інструментальних засобів прогнозних моделей розглядаються нейронні мережі, надається оцінка специфіки їх використання для вирішення задач прогнозування, зокрема фінансових часових рядів. Узагальнення методологічних засад охоплює процеси вибору архітектури мережі з урахування значимих факторів досліджуваної системи, взаємозв’язку способів навчання мережі з топологією мережі, процесів формування навчальної вибірки та обгрунтування способів визначення початкових умов для навчання, що разом обумовлює якість процесу навчання мережі та прогнозні властивості побудованої моделі. | uk_UA |
dc.description.abstract | The article discusses the tools for constructing forecast models for stock markets. The prediction tool is neural networks. An assessment of the features of the use of neural networks for predicting financial time series is given. The methodology for constructing a neural network for stock market forecasting includes the processes of choosing the network architecture taking into account the significant factors of the system under study, the relationship of learning methods with the network topology, the formation of the training sample and determining the initial learning conditions. These factors together determine the quality of training of the neural network and the predictive properties of the model. | en_US |
dc.description.abstract | В статье рассмотрены инструменты построения прогнозных моделей для фондовых рынков. В качестве инструментария прогнозных моделей рассматриваются нейронные сети, дается оценка специфики их использования для прогнозирования финансовых временных рядов. Обобщение методологии построения нейронной сети для прогнозирования фондового рынка охватывает процессы выбора архитектуры сети с учетом значимых факторов исследуемой системы, взаимосвязи способов обучения с топологией сети, процессов формирования обучающей выборки и определения начальных условий обучения, что в результате обуславливает качество обучения сети и прогнозные свойства построенной модели. | ru_RU |
dc.identifier.citation | Овсяннікова Н. В. Методологічні засади використання нейронних мереж для прогнозування фондового ринку / Овсяннікова Н. В., Желага О. В. // Міжнародний науковий журнал "Інтернаука". Серія: "Економічні науки". - 2019. - № 5. | uk_UA |
dc.identifier.uri | https://doi.org/10.25313/2520-2294-2019-5-4979 | |
dc.identifier.uri | https://ekmair.ukma.edu.ua/handle/123456789/17418 | |
dc.language.iso | uk | uk_UA |
dc.relation.source | Міжнародний науковий журнал "Інтернаука". Серія: "Економічні науки" | uk_UA |
dc.status | first published | uk_UA |
dc.subject | фондовий ринок | uk_UA |
dc.subject | часові ряди | uk_UA |
dc.subject | нейрона мережа. | uk_UA |
dc.subject | стаття | uk_UA |
dc.subject | stock market | en_US |
dc.subject | time series | en_US |
dc.subject | neural network | en_US |
dc.subject | фондовый рынок | ru_RU |
dc.subject | временные ряды | ru_RU |
dc.subject | нейронная сеть | ru_RU |
dc.title | Методологічні засади використання нейронних мереж для прогнозування фондового ринку | uk_UA |
dc.title.alternative | A Methodology For Building Neural Networks For Stock Market Predictions | en_US |
dc.title.alternative | Методологические принципы применения нейронных сетей для прогнозирования фондового рынка | ru_RU |
dc.type | Article | uk_UA |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- Ovsiannikova_Metodolohichni_zasady_vykorystannia_neironnykh_merezh_dlia_prohnozuvannia_fondovoho_rynku.pdf
- Size:
- 550.13 KB
- Format:
- Adobe Portable Document Format
- Description:
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 7.54 KB
- Format:
- Item-specific license agreed upon to submission
- Description: